一种基于注意力机制和序列融合的蛋白质配体亲和力预测方法

在药物发现领域中，计算药物和靶点蛋白之间的结合亲和力是一个关键步骤，这种亲和力可以衡量药物和靶点蛋白的相互作用大小。然而计算过程需要极大的成本。使用深度学习的方法可以显著缩短这一过程，减少大量的时间和成本。目前有很多类型的深度学习方法可以计算亲和力，比如基于序列的模型、基于图的模型和基于多模态的模型。然而这两类模型存在一定缺陷，比如建图方式和原子属性会影响模型效果。为了解决这些问题，我们提出了一种基于注意力机制和序列融合的蛋白质配体亲和力预测方法，名字叫SAPLA。